该文介绍了一种能够根据样本难度的先验知识，在课程空间内发现有效课程的学习框架。使用注释熵和损失作为难度度量标准，发现顶级课程通常是非单调课程，易于难或难于易过渡课程存在表现不佳的风险。该框架包含一些现有的课程学习方法，并在几个自然语言处理任务上优于它们的课程。